计算机工程
計算機工程
계산궤공정
COMPUTER ENGINEERING
2012年
5期
233-235
,共3页
刘永斌%何清波%张平%孔凡让
劉永斌%何清波%張平%孔凡讓
류영빈%하청파%장평%공범양
支持向量机%特征提取%状态识别%故障诊断%旋转机械
支持嚮量機%特徵提取%狀態識彆%故障診斷%鏇轉機械
지지향량궤%특정제취%상태식별%고장진단%선전궤계
提取时域与频域共20个特征参数作为数据样本,选择适合旋转机械振动信号的径向基函数及相关参 数,基于一对多法构造支持向量机(SVM)多类分类器,实现旋转机械滚动轴承的故障诊断.通过对振动信号特征进行训练与测试,并与BP神 经网络进行对比结果表明,该SVM多类分类器可较好地解决小样本问题,在训练时间和识别正确率上均优于BP神经网络.
提取時域與頻域共20箇特徵參數作為數據樣本,選擇適閤鏇轉機械振動信號的徑嚮基函數及相關參 數,基于一對多法構造支持嚮量機(SVM)多類分類器,實現鏇轉機械滾動軸承的故障診斷.通過對振動信號特徵進行訓練與測試,併與BP神 經網絡進行對比結果錶明,該SVM多類分類器可較好地解決小樣本問題,在訓練時間和識彆正確率上均優于BP神經網絡.
제취시역여빈역공20개특정삼수작위수거양본,선택괄합선전궤계진동신호적경향기함수급상관삼 수,기우일대다법구조지지향량궤(SVM)다류분류기,실현선전궤계곤동축승적고장진단.통과대진동신호특정진행훈련여측시,병여BP신 경망락진행대비결과표명,해SVM다류분류기가교호지해결소양본문제,재훈련시간화식별정학솔상균우우BP신경망락.
